• 한국정보통신학회논문지
• /
• 제20권7호
• /
• pp.1269-1276
• /
• 2016

세계적으로 지진, 해일, 홍수, 폭설 등의 자연 재해와 화재, 방화, 테러 등의 인위적 재해가 빈번하게 발생하고 있으며, 이러한 다양하고 예측 불가능한 재해로 인해 다수의 사상자가 발생하고 있다. 재해 발생 시 빠른 시간에 재해 발생 여부를 파악하여 재해 발생 위치와 적절한 피난 경로 등의 정보를 피해자에게 제공한다면 신속히 안전한 장소로 대피가 가능하여 피해를 최소화 할 수 있다. 이에 본 논문에서는 실내공간에서 공황상태가 발생 했을 경우 사람들의 움직임을 파악하여 긴급 재해 발생 여부를 신속히 탐지하고 이를 통해 상황에 따라 신속하고 안전하게 대피가 가능하도록 긴급 피난 지원 시스템의 알고리즘을 제안하고 구현하였다. 이동 단말기에서는 실내 보행자의 행동과 위치를 분석하여 서버로 전송하고 서버에서는 전송받은 정보를 토대로 긴급상황 여부를 판단한다. 긴급상황이 발생하면 서버는 이동 단말기에게 이를 통보하고, 실내 보행자는 이동단말기를 이용하여 비상탈출을 실시하게 된다.

• Journal of Positioning, Navigation, and Timing
• /
• 제12권2호
• /
• pp.91-100
• /
• 2023

The existing indoor localization method using Wi-Fi fingerprinting has a high collection cost and relatively low accuracy, thus requiring integrated correction of convergence with other technologies. This paper proposes a new method that significantly reduces collection costs compared to existing methods using Wi-Fi fingerprinting. Furthermore, it does not require labeling of data at collection and can estimate pedestrian travel paths even in large indoor spaces. The proposed pedestrian movement path estimation process is as follows. Data collection is accomplished by setting up a feature area near an indoor space intersection, moving through the set feature areas, and then collecting data without labels. The collected data are processed using Kernel Linear Discriminant Analysis (KLDA) and the valley point of the Euclidean distance value between two data is obtained within the feature space of the data. We build learning data by labeling data corresponding to valley points and some nearby data by feature area numbers, and labeling data between valley points and other valley points as path data between each corresponding feature area. Finally, for testing, data are collected randomly through indoor space, KLDA is applied as previous data to build test data, the K-Nearest Neighbor (K-NN) algorithm is applied, and the path of movement of test data is estimated by applying a correction algorithm to estimate only routes that can be reached from the most recently estimated location. The estimation results verified the accuracy by comparing the true paths in indoor space with those estimated by the proposed method and achieved approximately 90.8% and 81.4% accuracy in two experimental spaces, respectively.

• International journal of advanced smart convergence
• /
• 제13권1호
• /
• pp.37-47
• /
• 2024

This study presents the results of designing a system that determines the location of a person in an indoor environment based on a single IMU sensor attached to the tip of a person's shoe in an area where GPS signals are inaccessible. By adjusting for human footfall, it is possible to accurately determine human location and trajectory by correcting errors originating from the Inertial Measurement Unit (IMU) combined with advanced machine learning algorithms. Although there are various techniques to identify stepping, our study successfully recognized stepping with 98.7% accuracy using an artificial intelligence model known as Long Short-Term Memory (LSTM). Drawing upon the enhancements in our methodology, this article demonstrates a novel technique for generating a 200-meter trajectory, achieving a level of precision marked by a 2.1% error margin. Indoor pedestrian navigation systems, relying on inertial measurement units attached to the feet, have shown encouraging outcomes.

• 한국ITS학회 논문지
• /
• 제18권5호
• /
• pp.156-170
• /
• 2019

급속히 늘어난 스마트폰의 보급은 인간의 라이프 스타일 변화에 영향을 미치고 있으며, 스마트폰 기반 위치정보는 실내외 공간에서 다양한 편의성 서비스를 제공할 수 있는 환경을 마련하고 있다. 특히, GPS 정보가 제공되고 있지 않은 지하공간의 경우에서 위치 기반 서비스가 제공된다면 정보약자와 교통약자를 위한 길 찾기와 길 안내 등 많은 편의를 제공할 수 있다. 그러나, 지하철 역사에서 길 안내 서비스 구현은 측위 정확도를 확보하는 것은 여전히 어려운 과제이다. 본 연구는 지하철 역사에서 실내 내비게이션을 위해 선행되어야 하는 모든 과정을 하나의 시스템에서 수행할 수 있도록 융합 측위 알고리즘과 함께 연속 측위에서 사용하는 새로운 보행자 걸음 인식기법을 개발하고, 평가하고 있다.

• 디지털융복합연구
• /
• 제15권2호
• /
• pp.173-181
• /
• 2017

본 논문에서는 현재와 이전의 영상 프레임 뿐 만 아니라 영상의 축척과 이전 위치에 주어진 객체의 비율과 위치 추정에 대한 학습 문제로서 사람 추적 문제를 다룬다. 본 논문에서는 회선 신경망 분류기를 이용한 사람 검출방법을 제안한다. 제안하는 방법은 신경망을 정규화하고 검출 작업을 위한 특징 표현을 자동으로 최적화함으로써 사람 검출의 정확성을 향상시킨다. 제안하는 방법에서는 감시 영상 시스템에서 실시간 영상이 들어오면 제일 먼저 위치를 추정하는 작업을 수행하기 위하여 회선신경망을 학습시킨다. 기존의 다른 학습 방법과 달리 회선신경망은 두쌍의 연속된 영상 프레임으로부터 공간적이고 시간적인 특징을 모두 공동으로 학습시킨다. 회선 신경망에 의해 학습된 특징을 이용하는 SVM 분류기의 정확성은 회선 신경망의 정확성과 일치한다. 이것은 자동적으로 최적화된 특징의 중요성을 확인시켜 준다. 그러나, 회선 신경망을 이용한 사람 객체의 분류에 대한 계산 시간은 사용된 특징의 타입과 관계없이 SVM의 것보다 약 40분의 1정도로 작다.